BOCM

SÁBADO 27 DE MAYO DE 2023

B.O.C.M. Núm. 125

P7. Células progenitoras endoteliales circulantes como biomarcador pronóstico de
disfunción endotelial y trombosis en pacientes con COVID-19: Los efectos de la inflamación y
la alteración de la regulación inmunitaria presentes en el COVID-19 se asocian a la activación y
disfunción endotelial, induciendo un estado de hipercoagulación que incrementa el riesgo de
eventos trombóticos. Los principales objetivos son analizar el estado proinflamatorio general al
ingreso en pacientes COVID-19 y su capacidad de predicción en el desenlace de dicha enfermedad,
analizar las células endoteliales y las células progenitoras endoteliales circulantes como marcador
de daño endotelial y trombosis, analizar el perfil de citoquinas presentes en el suero de los
pacientes y su relación con la severidad y el pronóstico de la enfermedad y evaluar el estado
inflamatorio, de daño endotelial y los eventos tromboembólicos a largo plazo.
P8. Papel de las diferentes técnicas de diálisis en la respuesta inmune al daño renal del
paciente COVID pre y postvacuna: El objetivo del proyecto es escribir respuesta inmune a nivel
celular y citokinas en HD On-line vs. Extendida y describir la adaptación celular inmune en
pacientes de HD crónica que han superado COVID. Las técnicas de hemodialisis-HD afectan de
diferente forma la respuesta inmune celular/serológica. Podremos personalizar el tratamiento en
esta o futuras pandemias por mutaciones del virus.
P9. Representación virtual en entornos computacionales de la identidad real de individuos o
comunidades para prevención epidemiológica. Utilizaremos datos sociológicos y conductuales
de la población diana, para reproducir una comunidad humana- modelo; La comunidad virtual
refleja detalladamente la estructura de la población real (edad, género, tipos familiares, tiempo-lugar
de trabajo y ocio, tiempo en espacios comunes, estancia en hospital y UVI, y estado inmunitario) y
recibe la “contaminación” de un agente infeccioso transmisible, bacteriano o viral, incluyendo su
variabilidad genética. El Proyecto pretende una aproximación “multi-purpose” en epidemiología,
esencialmente con el objeto de probar “in silico” las posibles intervenciones a adoptar y sus efectos
previsibles. Su escalado y difusión permitirán ponerlo a disposición de todos los agentes decisores
en materia de Salud Pública.Además, podrá apoyar la toma de decisiones en otras epidemias.
P10. Caracterización molecular y funcional de aptámeros para tratamientos antivirales
específicos por COVID: Se seleccionarán aptámeros frente a 7 péptidos conservados en la
proteína S y específicos de SARS-CoV2. Una vez que se obtengan poblaciones enriquecidas en
aptámeros frente a cada una de las dianas, dichas poblaciones serán clonadas, y los clones
secuenciados mediante Sanger y secuenciación masiva (NGS) con el objetivo de identificar
aquellos aptámeros más representados que serán sintetizados químicamente para su posterior
caracterización molecular y funcional. Hasta la fecha, no existe un tratamiento antiviral específico
para las patologías producidas por coronavirus humano. La mayoría de las investigaciones apuntan
a la proteína S, principal inductor de anticuerpos neutralizantes e implicada en la interacción con
receptores en la célula huésped.
P11. Big Data para calculadora de riesgo de COVID: Análisis de variables para pacientes
positivos de COVID19 que ha permitido crear un algoritmo predictivo basado en el Big Data para
pronosticar en tiempo real la progresión de muchos pacientes afectados por el coronavirus. El
sistema ofrece un patrón de comportamiento que permite prever la evolución, en términos de
mortalidad y de empeoramiento (riesgo de ingreso en la Unidad de Cuidados Intensivos, UCI, en
las siguientes horas), de aquellos pacientes COVID19 hospitalizados que cumplen determinados
criterios. El análisis de esta información en los más de 15.000 pacientes COVID19 que estuvieron
hospitalizados en la Red4H desde la primera ola y el inicio de la segunda, mediante el empleo de
métodos de Machine Learning, permitió seleccionar las variables más relevantes, un total de 20, que
ofrecen patrones de comportamiento de los pacientes positivos a través de los cuales se puede
prever su evolución. La información del enfermo y sus indicadores analíticos se pasarán por estos
modelos para obtener las estimaciones correspondientes; que se cargarán en tiempo real en la
base de datos y se integran en la historia clínica del paciente, generando la alerta de predicción
respectiva, agilizando y facilitando la toma de decisiones.
P12. IA para interpretación de radiología simple de tórax en infiltrados pulmonares con alta
probabilidad de COVID: Procesamiento con Inteligencia Artificial (IA) de las placas de tórax de los
positivos COVID19 para obtener visualización mejorada de las zonas afectadas del pulmón con la finalidad
de ayudar a los facultativos al diagnóstico. El primer objetivo es obtener un modelo de algoritmo integrado
en el PACS que permita ver y discriminar sobre una radiografía de tórax si un paciente padece Covid-19 u
otra patología pulmonar. A partir de radiografías de tórax y utilizando técnicas de Inteligencia Artificial y
Deep Learning, el algoritmo debe permitir tener una visión de las zonas afectadas del pulmón y presentar
una puntación de indicación de certidumbre respecto a una patología y hallazgo clínico. Además, se
pretende identificar e incorporar otros biomarcadores que ayuden a afianzar el diagnóstico por imagen en
placa de tórax en patologías relacionadas con el pulmón.

BOCM-20230527-4

Pág. 64

BOLETÍN OFICIAL DE LA COMUNIDAD DE MADRID